針對(duì)目前生物傳感器價(jià)格昂貴且檢測(cè)精度低使得在氨糖發(fā)酵過(guò)程中難以獲得準(zhǔn)確實(shí)時(shí)的生物參數(shù)的現(xiàn)狀,建立了最小二乘支持向量機(jī)模型以實(shí)現(xiàn)菌體濃度、產(chǎn)物濃度、底物濃度的預(yù)測(cè)。為了提高預(yù)測(cè)模型的精度,采用基于Levy飛行的改進(jìn)多元宇宙算法對(duì)最小二乘支持向量機(jī)模型的若干參數(shù)進(jìn)行優(yōu)化。在此模型的基礎(chǔ)上,以發(fā)酵完成時(shí)刻產(chǎn)物濃度最大為目標(biāo),通過(guò)改進(jìn)的多元宇宙優(yōu)化算法對(duì)發(fā)酵工藝參數(shù)進(jìn)行了優(yōu)化。仿真實(shí)驗(yàn)表明該方法取得了較高建模精度,提高了發(fā)酵最終產(chǎn)物濃度。 

【文章來(lái)源】：系統(tǒng)仿真學(xué)報(bào). 2020,32(10)北大核心CSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

WEP和TDR變化曲線Fig.1EvolutioncurveofWEPandTDR

屏浚?ǔＨ?0.01；L(β)為隨機(jī)搜索路徑，且滿足以下公式：1L()t,02<≤(16)式(16)用簡(jiǎn)單的程序語(yǔ)言較難實(shí)現(xiàn)，通常用公式(17)代替：1sv=(17)式中：s即可看作飛行路徑L(β)；β通常取1.5；μ和v滿足公式(18)正態(tài)隨機(jī)分布：22(0,)(0,)vNvN(18)σμ和σv的值可用公式(19)求得：(1)/2(1)sin(π/2)(1/2)21v(19)基于Levy飛行的改進(jìn)MVO流程圖見(jiàn)圖2。圖2改進(jìn)MVO流程圖Fig.2FlowchartofimprovedMVO2氨糖發(fā)酵過(guò)程建模用于建立最小二乘支持向量機(jī)模型的訓(xùn)練集和測(cè)試集的數(shù)據(jù)來(lái)自于某生物發(fā)酵生產(chǎn)企業(yè)的發(fā)酵生產(chǎn)過(guò)程數(shù)據(jù)。整個(gè)發(fā)酵過(guò)程持續(xù)約54h，溫度、pH、DO、補(bǔ)糖速度等在線可測(cè)數(shù)據(jù)通過(guò)傳感器自動(dòng)獲取，并利用OPC數(shù)據(jù)采集技術(shù)將每隔30min的數(shù)據(jù)自動(dòng)插入到企業(yè)ERP運(yùn)營(yíng)系統(tǒng)；離線數(shù)據(jù)包括菌體濃度、產(chǎn)物濃度、底物濃度平均4~6h進(jìn)行一次檢測(cè)，為了便于建模分析且考慮到發(fā)酵過(guò)程是慢反應(yīng)過(guò)程，2次檢測(cè)數(shù)據(jù)之間的數(shù)據(jù)變化比

锏?則輸出最優(yōu)解即使得LSSVM均方根誤差最小的參數(shù)對(duì)[C,σ]，反之執(zhí)行step2。采用上述步驟確定最優(yōu)預(yù)測(cè)精度模型的2個(gè)參數(shù)并與采用蟻獅優(yōu)化算法(AntLionOptimizer，ALO)優(yōu)化的LSSVM模型對(duì)比，圖3~5分別為優(yōu)化后的預(yù)測(cè)模型包括氨糖發(fā)酵過(guò)程產(chǎn)物濃度、菌體濃度和底物濃度的預(yù)測(cè)值與真實(shí)值的曲線圖，表1中的模型①表示ALO-LSSVM模型，模型②表示基于Levy飛行改進(jìn)的MVO-LSSVM模型，結(jié)合圖表可以看出通過(guò)引入Levy飛行優(yōu)化的MVO算法的優(yōu)化效果較ALO更佳。圖3產(chǎn)物濃度估計(jì)Fig.3Estimationofproductconcentration圖4菌體濃度估計(jì)Fig.4Estimationofcellconcentration

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)多元宇宙算法求解大規(guī)模實(shí)值優(yōu)化問(wèn)題[J]. 劉小龍.  電子與信息學(xué)報(bào). 2019(07)
[2]基于PSO-LSSVM的疲勞裂紋漏磁定量識(shí)別技術(shù)[J]. 邱忠超,張衛(wèi)民,高玄怡,張瑞蕾.  北京理工大學(xué)學(xué)報(bào). 2018(11)
[3]改進(jìn)入侵雜草算法求解柔性作業(yè)車間調(diào)度問(wèn)題[J]. 張新,李珂,嚴(yán)大虎,紀(jì)志成.  系統(tǒng)仿真學(xué)報(bào). 2018(11)
[4]產(chǎn)N-乙酰氨基葡萄糖的工程菌構(gòu)建、發(fā)酵及應(yīng)用研究進(jìn)展[J]. 秦志杰,岳秋林,劉新利.  中國(guó)釀造. 2018(06)
[5]基于PLS-LSSVM的谷氨酸發(fā)酵產(chǎn)物濃度預(yù)測(cè)建模[J]. 鄭蓉建,潘豐.  化工學(xué)報(bào). 2017(03)
[6]基于混沌果蠅優(yōu)化最小二乘支持向量機(jī)的秸稈發(fā)酵過(guò)程軟測(cè)量建模[J]. 朱湘臨,華天爭(zhēng).  北京工業(yè)大學(xué)學(xué)報(bào). 2016(10)

碩士論文
[1]生物法生產(chǎn)N-乙酰氨基葡萄糖[D]. 鄭昭奕.北京化工大學(xué) 2018



本文編號(hào)：3317576